# Transkrip dan kapsyen YouTube: daripada satu video kepada set data latihan

Ketahui cara mendapatkan transkrip YouTube, membezakan kapsyen pencipta daripada sari kata yang dijana dan diterjemahkan secara automatik, serta memadankan teks dengan audio untuk set data latihan.

Referensi boonical: https://flashdata.dev/ms/docs/guides/youtube-transcripts-and-captions
FlashData · Sumber disemak: 2026-11-19

Buka perihalan video dan pilih **Paparkan transkrip**. Jika kapsyen tersedia, anda boleh membaca perkataannya dan melompat ke saat perkataan itu dituturkan. Tiada API atau muat turun diperlukan.

<a id="get-text-from-one-video"></a>

## Cara mendapatkan transkrip YouTube tanpa memuat turun video


- [YouTube: Lihat transkrip video](https://support.google.com/youtube/answer/15930243?hl=en)

1. **Cari petikan.** Pada halaman tontonan, kembangkan perihalan dan pilih **Paparkan transkrip**. Pilih satu baris untuk memainkan saat tersebut.
2. **Semak bahasa.** Menu **Sari kata/CC** pada pemain mengawal teks. **Trek audio**, jika tersedia, mengawal perkara yang anda dengar. Menukar audio tidak menjamin transkrip turut berubah.
3. **Sahkan petikan.** Salin petikan jika teks boleh dipilih, atau catat perkataan dan cap masanya. Mainkan semula baris itu untuk menyemak nama, nombor dan perkataan seperti “tidak” yang boleh membalikkan makna.

- [Tetapan kapsyen](https://support.google.com/youtube/answer/100078?co=GENIE.Platform%3DAndroid&hl=en)
- [YouTube: Tetapan trek audio](https://support.google.com/youtube/answer/13339776?hl=en)

<a id="save-your-captions"></a>

### Simpan kapsyen untuk video yang anda urus


Dalam **YouTube Studio → Sari kata**, pilih video dan pilih **Edit** di sebelah bahasa yang dikehendaki. Di bawah **Pilihan**, pilih **Muat turun sari kata**. Simpan fail yang mempunyai maklumat masa; anda boleh mengeksport salinan teks biasa kemudian.

Jika belum ada trek dan anda mempunyai skrip dalam bahasa yang dituturkan, Studio boleh menyegerakkan skrip itu dengan audio.

- [Muat turun atau edit kapsyen](https://support.google.com/youtube/answer/2734705?hl=en)
- [Tambah kapsyen atau segerakkan skrip](https://support.google.com/youtube/answer/2734796?hl=en)

<a id="when-there-is-no-track"></a>

### Apabila tiada trek kapsyen


Pengambilan kapsyen membaca teks sedia ada. Transkripsi menghasilkan teks baharu daripada audio. Untuk rakaman yang anda miliki atau dibenarkan untuk diproses, gunakan alat pertuturan kepada teks dalam mod **transkripsi (transcribe)** supaya bahasa yang dituturkan dikekalkan. Terjemahan ialah langkah berasingan. Jika tiada kapsyen atau akses yang dibenarkan kepada audio, minta transkrip daripada penerbit.

Contohnya, untuk mentranskripsikan temu bual bahasa Inggeris milik anda pada komputer sendiri, pilih strim audio yang betul dahulu. Dengan FFmpeg, `whisper-cli` daripada panduan mula pantas whisper.cpp, dan model bahasa Inggerisnya `base.en` dipasang, contoh berikut menghasilkan kedua-dua `interview.txt` dan `interview.srt`:

- [Mula pantas whisper.cpp](https://github.com/ggml-org/whisper.cpp#quick-start)

**Transkripsikan rakaman setempat dengan whisper.cpp**

```bash
ffmpeg -i interview.mp4 -map 0:a:0 -ac 1 -ar 16000 -c:a pcm_s16le interview.wav
whisper-cli -m models/ggml-base.en.bin -f interview.wav -l en -otxt -osrt -of interview
```

Di sini, `0:a:0` memilih **strim audio pertama**, yang tidak semestinya dalam bahasa asal. Dengar dahulu. Untuk pertuturan bahasa Jepun, misalnya, pilih strim bahasa Jepun, gunakan model berbilang bahasa `ggml-base.bin`, dan tetapkan `-l ja`. Semak hasilnya dengan membandingkannya dengan rakaman. Teks ini dihasilkan melalui proses transkripsi **anda**; ia bukan trek kapsyen yang dibekalkan oleh YouTube.

<a id="what-captions-subtitles-and-transcripts-are"></a>

## Apakah kapsyen, sari kata dan transkrip


**Trek kapsyen** ialah urutan segmen: setiap segmen mengandungi teks dan masa teks itu patut dipaparkan. Kapsyen tertutup boleh dihidupkan dan dimatikan. Kapsyen kebolehcapaian menyampaikan bunyi yang bermakna selain pertuturan: pertukaran penutur, ketukan pintu atau penggera yang menyebabkan seseorang bertindak balas. **Sari kata** sering bermaksud dialog terjemahan, tetapi di banyak negara ia juga merujuk kepada kapsyen dalam bahasa yang sama. Label menu sahaja tidak memberitahu anda siapa yang menulis perkataan itu atau sama ada teks itu terjemahan.

- [W3C: Kapsyen dan sari kata](https://www.w3.org/WAI/media/av/captions/)

**Transkrip** memaparkan perkataan untuk dibaca, dengan atau tanpa cap masa. Panel transkrip YouTube ialah paparan bacaan kapsyen, bukannya transkripsi kedua yang berasingan. **Ringkasan** pula berbeza: ia boleh meninggalkan maklumat atau menyatakannya semula dengan perkataan lain. Jika penutur berkata “letakkan di sini” sambil menunjuk ke arah rajah, transkrip mungkin mencatat perkataan itu sahaja tanpa menjelaskan tempatnya. Transkrip deskriptif menambahkan maklumat visual yang tiada itu.

- [W3C: Transkrip](https://www.w3.org/WAI/media/av/transcripts/)

<a id="the-three-types-of-youtube-captions"></a>

## Tiga jenis kapsyen YouTube


Apabila membandingkan transkrip, kelaskan **trek kapsyen yang benar-benar anda terima**. Tiga sumber lazim ialah kapsyen yang disediakan oleh pencipta, transkripsi automatik YouTube dan terjemahan automatik YouTube. Dua yang terakhir menggunakan automasi, tetapi hanya satu daripadanya mendengar pertuturan.

| Sumber kapsyen | Cara teks dihasilkan | Contoh: temu bual bahasa Jepun |
| --- | --- | --- |
| **Disediakan oleh pencipta (pemuat naik)** | Saluran membekalkan atau menerbitkan teksnya. Teks itu boleh ditaip, dimuat naik atau disunting daripada draf automatik. Ia tidak semestinya ditulis dari awal atau menyalin pertuturan kata demi kata. | Pencipta menerbitkan sari kata bahasa Inggeris yang berbunyi "Please wait a moment." Ini ialah terjemahan, tetapi sumbernya masih **pencipta**, bukannya ciri Terjemah automatik YouTube. |
| **Dijana secara automatik oleh YouTube (pengecaman pertuturan atau ASR)** | YouTube menukarkan **pertuturan kepada teks dalam bahasa yang sama**. Ia boleh tersalah dengar pertuturan penutur; tiada terjemahan terlibat. | Tetamu berkata chotto matte. Trek itu mewakili perkataan tersebut dalam bahasa Jepun. |
| **Diterjemahkan secara automatik oleh YouTube (terjemahan mesin)** | YouTube menukarkan **teks kapsyen sedia ada kepada bahasa lain**. Sumbernya boleh disediakan oleh pemuat naik atau dijana secara automatik. Ia tidak mendengar alih suara dalam bahasa sasaran. | YouTube menterjemahkan kapsyen bahasa Jepun ke dalam bahasa Inggeris sebagai "Wait a little." Jika kapsyen bahasa Jepun tersalah menangkap sesuatu nama, kesilapan itu boleh terbawa ke dalam terjemahan. |

- [YouTube Studio: Edit kapsyen](https://support.google.com/youtube/answer/2734705?hl=en)
- [YouTube: Kapsyen automatik](https://support.google.com/youtube/answer/6373554?hl=en)
- [YouTube: Terjemahan kapsyen](https://developers.google.com/youtube/data/reference/rest/v3/captions/download)

<a id="why-one-video-can-have-several-english-texts"></a>

### Mengapa satu video boleh mempunyai beberapa teks bahasa Inggeris


**Alih suara ialah audio, bukan jenis kapsyen keempat**. Dalam temu bual rekaan yang sama, pelakon suara bahasa Inggeris mungkin berkata "Give me a second." Kedua-dua sari kata bahasa Inggeris di atas menyampaikan maksudnya. Kedua-duanya tidak mengandungi perkataan yang dituturkan itu. Gunakan mana-mana satu untuk memahami kandungan, dengar alih suara untuk petikan langsung, dan simpan teks sumber serta kaedah terjemahan secara berasingan untuk set data terjemahan.

Audio asal ialah persembahan sumber; main balik lalai ialah pilihan pemain dan boleh berbeza mengikut pilihan penonton. Menukar bahasa kapsyen tidak menukar audio. Jangan anggap setiap alih suara mempunyai trek ASR yang sepadan: YouTube menerangkan bahawa kapsyen automatik bagi video berbilang audio adalah dalam bahasa lalai, bukannya satu transkripsi bagi setiap alih suara.

- [Bahasa audio pilihan](https://support.google.com/youtube/answer/13339776?hl=en)
- [Kapsyen automatik YouTube](https://support.google.com/youtube/answer/6373554?hl=en)

<a id="choose-a-format"></a>

## Format transkrip YouTube: TXT, SRT, VTT dan JSON


| Format | Pilih untuk | Perkara yang perlu diingat |
| --- | --- | --- |
| Teks biasa (TXT) | Bacaan, nota atau ringkasan | Mudah disunting, tetapi meratakan trek menjadi teks biasa menghilangkan pautan antara setiap baris dengan masa dalam video melainkan pautan itu disimpan secara berasingan. |
| SubRip (SRT) | Memindahkan sari kata bermasa antara penyunting dan pemain | Segmen bernombor dengan masa mula dan tamat. Berguna apabila main balik lebih penting daripada penggayaan yang terperinci. |
| WebVTT (VTT) | Kapsyen untuk pemain web | Mengekalkan masa segmen dan boleh membawa maklumat tambahan seperti kedudukan atau label suara jika disediakan oleh pengarang. |
| JSON atau JSON Lines (JSONL) | Mencari merentas video atau membina set data | Anda memilih skemanya. Nyatakan sama ada masa adalah dalam saat atau milisaat dan sama ada masa itu merujuk kepada keseluruhan video atau klip yang dieksport. |

Berikut ialah sari kata pemuat naik daripada contoh rekaan itu dalam WebVTT. Tempoh 1.9 saatnya menerangkan **bila segmen perlu dipaparkan**, bukan masa mula dan tamat setiap perkataan.

- [Format WebVTT](https://www.w3.org/TR/webvtt1/)
- [Format kapsyen yang disokong YouTube](https://support.google.com/youtube/answer/2734698?hl=en)

**Segmen WebVTT bermasa**

```vtt
WEBVTT

00:01:04.200 --> 00:01:06.100
Please wait a moment.
```

Salinan teks sahaja boleh sekadar menyatakan "Please wait a moment." Nota yang boleh dicari lebih berguna dalam bentuk "01:04 · Please wait a moment." Jika anda memotong klip yang bermula pada 01:00, sari kata itu sepatutnya berada pada **4.2 hingga 6.1 saat dalam klip tersebut**, bukannya 64.2 hingga 66.1. Simpan julat masa asal supaya anda boleh membina semula rujukannya.

<a id="build-a-transcript-dataset"></a>

## Cara membina set data transkrip YouTube


Tentukan perkara yang hendak dibuktikan oleh **satu contoh** sebelum mengumpulkan beribu-ribu trek. Segmen yang sama boleh sesuai untuk satu set data tetapi tidak sesuai untuk set data yang lain:

| Matlamat set data | Bukti yang berguna | Perkara yang perlu ditolak atau dilabel secara berasingan |
| --- | --- | --- |
| Carian, ringkasan atau menjawab soalan | Petikan yang boleh dibaca, bahasanya, ID video dan julat masa untuk dipetik | Jangan bentangkan petikan terjemahan sebagai petikan kata demi kata daripada penutur. Simpan ringkasan berasingan daripada teks sumber. |
| Pengecaman pertuturan atau penjajaran perkataan | Klip audio tertentu yang dipadankan dengan perkataan yang benar-benar kedengaran di dalamnya | Tolak alih suara yang tidak sepadan dan parafrasa sebagai label kata demi kata. Asingkan ASR yang belum disemak daripada rujukan yang telah diperiksa oleh manusia. |
| Terjemahan pertuturan atau teks | Pertuturan atau teks sumber yang dikenal pasti dan terjemahannya yang sepadan | Bezakan terjemahan manusia daripada terjemahan mesin apabila maklumat itu diketahui. Segmen boleh terpisah atau bergabung antara bahasa; baris 12 tidak semestinya menterjemahkan baris 12. |
| Latihan video-teks atau multimodal | Teks yang menerangkan perkara yang muncul dalam bingkai berkaitan | Narasi boleh merujuk kepada sesuatu di luar kamera atau langkah seterusnya. Contohnya, HowTo100M menggunakan narasi berunsur arahan sebagai isyarat latihan, bukannya huraian setiap bingkai yang disahkan secara manual. |

- [HowTo100M](https://www.di.ens.fr/willow/research/howto100m/)

<a id="record-the-audio-and-caption-pair"></a>

### Catat pasangan audio dan kapsyen


ID video sahaja tidak mencukupi: ia tidak menyatakan audio yang anda gunakan, versi kapsyen yang anda ambil atau sebab penyemak menerima sesuatu pasangan. Berikut ialah satu rekod set data sebagai contoh, bukannya respons API YouTube atau FlashData:

**Manifes set data: satu kapsyen dan audionya**

```json
{
  "video_id": "EXAMPLE0001",
  "audio_asset": "interview-en-dub.wav",
  "audio_language": "en",
  "caption_language": "en",
  "caption_origin": "uploader",
  "start_s": 64.2,
  "end_s": 66.1,
  "time_base": "source_video",
  "text": "Please wait a moment.",
  "review": "English dub says 'Give me a second.'",
  "use_for_search": true,
  "use_as_verbatim_speech_label": false
}
```

Keputusan terakhir itulah perkara utamanya: kedua-dua bahasa ialah bahasa Inggeris dan masa segmen tepat, namun teks itu **bukan** label kata demi kata. Untuk koleksi sebenar, catat juga pengecam sumber atau trek jika tersedia, tarikh pengambilan, pengecam fail atau versi, serta kebenaran atau lesen yang meliputi kegunaan yang dimaksudkan. Biarkan asal usul yang tidak diketahui kekal tidak diketahui dan jangan membuat kesimpulan berdasarkan nama fail.

<a id="check-the-collection"></a>

### Semak koleksi sebelum menggunakannya


1. **Ukur liputan.** Kira video yang telah dicuba, video dengan trek dalam bahasa sasaran dan video yang memenuhi dasar kualiti anda. Bezakan “tiada kapsyen yang layak” daripada “tidak dapat diambil”. Jika tidak, kegagalan sementara akan kelihatan seperti liputan yang rendah bagi sesuatu bahasa.
2. **Dengar dan semak sampel.** Semak klip daripada pelbagai bahasa, sumber kapsyen dan saluran. Pastikan nombor, nama, penafian, pertukaran penutur dan sempadan segmen sepadan dengan rakaman sebenar. Untuk pertuturan kata demi kata, bandingkan sampel dengan teks rujukan yang ditranskripsikan secara bebas. Kadar ralat perkataan mengira penggantian, pengguguran dan penambahan bagi setiap perkataan rujukan; ia bukan skor kualiti terjemahan atau ketepatan masa.
3. **Kekalkan sumber dan asas masa.** Simpan trek bermasa bersama teks yang telah dibersihkan apabila dibenarkan. Seragamkan pemisah baris untuk carian, tetapi jangan membuang frasa berulang tanpa menelitinya: “tidak, tidak” mungkin pertuturan sebenar. Semak segmen berbanding tempoh klip dan ambil kira sebarang ofset akibat pemotongan.
4. **Bahagikan mengikut rakaman, bukan baris kapsyen.** Letakkan klip, alih suara dan terjemahan rakaman yang sama dalam bahagian latihan atau ujian yang sama. Jika tidak, model boleh melihat temu bual yang sama semasa latihan dan penilaian. Jangan masukkan pasangan yang belum disahkan ke dalam set penilaian untuk mengukur ketepatan kata demi kata.
5. **Semak hak sebelum pengumpulan atau penerbitan.** Boleh ditonton secara umum tidak bermakna dibenarkan untuk pengedaran semula atau latihan. Catat perkara yang membenarkan kegunaan yang dimaksudkan, semak maklumat peribadi dan rancang pembetulan atau pengalihan keluar. Asingkan keputusan ini daripada kualiti teknikal.

- [Kadar ralat perkataan](https://www.nist.gov/system/files/documents/2021/08/03/OpenASR20_EvalPlan_v1_5.pdf)
- [Jenis lesen YouTube](https://support.google.com/youtube/answer/2797468?hl=en)
- [Syarat Perkhidmatan YouTube](https://www.youtube.com/static?template=terms)

<a id="retrieve-existing-tracks-with-flashdata"></a>

## Ambil trek sedia ada dengan FlashData


Gunakan kaedah ini apabila anda mempunyai ID video dan mahukan kapsyen **sedia ada** sebagai teks dan segmen bermasa. Ia tidak menghasilkan pertuturan kepada teks untuk video tanpa kapsyen. YouTube Transcript dan YouTube Captions menggunakan peraturan pemilihan trek yang sama. Tetapan lalainya berbeza: `youtube_transcript` membenarkan sumber automatik (`auto: true`); `youtube_captions` secara lalai hanya menggunakan kapsyen pemuat naik (`auto: false`). Kedua-duanya menyasarkan **bahasa Inggeris** apabila `language` tidak disertakan.

- [YouTube Transcript API](https://flashdata.dev/ms/docs/sources/youtube_transcript/reference.md)
- [YouTube Captions API](https://flashdata.dev/ms/docs/sources/youtube_captions/reference.md)

Berikut ialah contoh Python untuk satu video menggunakan `requests`. Gantikan kunci contoh dan gunakan ID video yang anda dibenarkan untuk proses. Ketersediaan bergantung pada video:

**Ambil transkrip sedia ada dengan Python**

```python
import requests

response = requests.post(
    "https://data.flashdata.dev/v1/queries/realtime",
    headers={"X-API-Key": "your-api-key"},
    json={
        "source": "youtube_transcript",
        "video_id": "jNQXAC9IVRw",
        "params": {"language": "en", "auto": True},
    },
    timeout=(5, 90),
)
response.raise_for_status()
track = response.json()["results"][0]
print(track["languageCode"], track["captionSource"])
print(track["fullText"])
for cue in track["segments"]:
    print(f"{cue['start']:.3f} to {cue['end']:.3f} s: {cue['text']}")
```

<a id="caption-language-and-source"></a>

### Pilih bahasa dan sumber kapsyen


Kod bahasa seperti `"en"` meminta bahasa Inggeris tanpa mengira audio. Untuk mengikut trek audio, gunakan `"original"` bagi bahasa yang ditandai sebagai bahasa asal atau `"default"` bagi bahasa main balik yang ditandai untuk proses pekerja, bukan tetapan pelayar anda. FlashData menentukan kedua-duanya daripada maklumat audio dalam pengekstrakan yang sama.

Kod trek khusus berfungsi secara berbeza: `"en-orig"` bersama `auto: true` meminta trek automatik itu secara tepat, tanpa beralih kepada pilihan lain. Akhiran `-orig` ialah konvensyen penamaan yt-dlp, bukan bukti bahawa bahasa Inggeris ialah bahasa audio asal.

- [yt-dlp: Nama trek YouTube](https://github.com/yt-dlp/yt-dlp/blob/master/yt_dlp/extractor/youtube/_video.py)

Untuk kod bahasa biasa, `"default"` atau `"original"`, `auto: true` mencuba sumber kapsyen mengikut urutan ini, semuanya dalam bahasa sasaran:

1. **Pengecaman pertuturan dalam bahasa yang sama** (`youtube_asr`): YouTube mentranskripsikan pertuturan itu.
2. **Kapsyen pemuat naik** (`uploader`): saluran membekalkan teks itu.
3. **Kapsyen automatik yang belum dikelaskan** (`youtube_auto_unknown`): bukti tidak membezakan ASR daripada terjemahan. Ini ialah ketidakpastian tentang sumber, bukan cara keempat untuk menghasilkan kapsyen.
4. **Terjemahan mesin YouTube** (`youtube_translated`): YouTube menterjemahkan trek kapsyen lain.

Dengan `auto: false`, hanya kapsyen pemuat naik yang layak. Dalam contoh temu bual, anggap main balik ditandai sebagai bahasa Inggeris. Terdapat kapsyen bahasa Inggeris yang dimuat naik dan terjemahan YouTube, tetapi tiada ASR bahasa Inggeris. Meminta `"default"` dengan `auto: true` mengembalikan `captionSource: "uploader"` dan `isAutoGenerated: false`.

<a id="request-more-than-one-caption-language"></a>

### Minta lebih daripada satu bahasa


Hantar tatasusunan seperti `["original", "en", "es"]` untuk video yang sama. Ini meminta setiap satu daripada 1 hingga 10 pemilih berbeza dengan satu dasar `auto`, bukannya bahasa pertama yang tersedia. Tatasusunan dengan satu item sekalipun mengembalikan `results[0].tracks` dan `results[0].errors` dan bukannya satu trek.

Trek yang berjaya kekal mengikut urutan permintaan. Padankan trek melalui `requestedLanguageCode` jika tersedia, atau melalui `languageCode` jika tiada. Ralat mengenal pasti pemilih yang gagal melalui `languageCode`. Simpan hasil yang berjaya apabila bahasa lain gagal. Jika tiada yang berjaya, kendalikan ralat pada peringkat permintaan.

<a id="missing-or-failed-captions"></a>

### Bezakan trek yang tiada daripada pengambilan yang gagal


Bahasa asal yang belum disahkan (`youtube_original_language_unknown`) berbeza daripada bahasa asal yang diketahui tetapi tiada kapsyen yang layak (`youtube_original_subtitles_unavailable`). Untuk main balik lalai, ralat yang sepadan ialah `youtube_default_language_unknown` dan `youtube_default_subtitles_unavailable`.

Jika YouTube mengembalikan HTTP 429 semasa menyampaikan kapsyen terjemahan dan tiada trek yang diminta berjaya diambil, API masa nyata FlashData boleh melaporkan **HTTP 502** dengan `youtube_subtitle_retrieval_failed`. Jika sebahagian trek berjaya diambil, pemilih yang gagal boleh mempunyai `errors[].code: "retrieval_failed"` sebagai gantinya. Kod 502 sahaja tidak mengesahkan bahawa YouTube mengembalikan 429. Kod 429 daripada pengehad kadar permintaan FlashData sendiri adalah berasingan daripada 429 di YouTube.

- [HTTP 429 semasa menyampaikan kapsyen terjemahan](https://flashdata.dev/ms/docs/guides/youtube-transcripts-and-captions/reference.md#why-does-yt-dlp-report-http-429-for-youtube-auto-translated-captions)

YouTube Download API memilih audio secara berasingan melalui `audio_language` dan mungkin beralih kepada trek lain; meminta `"original"` daripada kedua-dua API tidak membuktikan penjajaran. Lihat resipi kapsyen bercap masa untuk menyimpan hasil dan panduan fail Bulk untuk memproses senarai ID video.

- [YouTube Download API](https://flashdata.dev/ms/docs/sources/youtube_download/reference.md)
- [resipi kapsyen bercap masa](https://flashdata.dev/ms/docs/guides/timestamped-captions-recipe/reference.md)
- [Panduan fail Bulk](https://flashdata.dev/ms/docs/guides/bulk/reference.md)

<a id="youtube-transcript-faq"></a>

## Soalan lazim transkrip YouTube


<a id="can-i-get-a-youtube-transcript-for-free-without-downloading-the-video"></a>

### Bolehkah saya mendapatkan transkrip YouTube secara percuma tanpa memuat turun video?


Ya, apabila kapsyen tersedia, ciri **Paparkan transkrip** YouTube membolehkan anda membaca teks pada halaman tontonan tanpa membeli alat atau memuat turun media. Untuk satu kuliah atau temu bual, mulakan di situ.

- [Lihat transkrip video](https://support.google.com/youtube/answer/15930243?hl=en)

<a id="why-is-there-no-transcript-when-i-can-see-subtitles-in-the-picture"></a>

### Mengapa tiada transkrip sedangkan saya boleh melihat sari kata dalam gambar?


Matikan kapsyen tertutup. Jika perkataan masih kelihatan, teks itu mungkin terbenam dalam gambar: sebahagian daripada imej dan bukannya trek teks yang boleh dipilih. Video juga mungkin tidak mempunyai kapsyen yang diterbitkan, atau kapsyen automatik masih sedang diproses. Untuk bahan yang dibenarkan, transkripsikan audio jika anda mahukan perkara yang **dituturkan**, atau gunakan pengecaman aksara optik (OCR) berserta semakan jika anda memerlukan perkataan tepat yang **tercetak pada skrin**. Kedua-duanya boleh berbeza.

<a id="can-i-get-english-text-if-the-audio-is-in-another-language"></a>

### Bolehkah saya mendapatkan teks bahasa Inggeris jika audionya dalam bahasa lain?


Selalunya boleh, tetapi bukan sentiasa. Cari sari kata bahasa Inggeris dahulu; jika tiada dalam senarai, semak sama ada pemain menawarkan **Terjemah automatik**. Ciri ini menterjemahkan kapsyen yang tersedia. Ia tidak menghasilkan audio bahasa Inggeris atau membuktikan bahawa alih suara bahasa Inggeris menggunakan perkataan yang sama.

- [Bahasa kapsyen YouTube](https://support.google.com/youtube/answer/100078?co=GENIE.Platform%3DAndroid&hl=en)

<a id="does-auto-generated-mean-machine-translated"></a>

### Adakah “dijana secara automatik” bermaksud “diterjemahkan oleh mesin”?


Tidak. Pengecaman pertuturan menukarkan pertuturan kepada tulisan dalam **bahasa yang sama**. Terjemahan mesin menukarkan teks daripada satu bahasa kepada bahasa lain. Kedua-dua proses boleh dijalankan secara automatik, dan terjemahan mungkin bermula daripada pengecaman pertuturan yang tidak sempurna. Apabila asal usul tidak didedahkan, labelkannya sebagai tidak diketahui.

<a id="why-does-yt-dlp-report-http-429-for-youtube-auto-translated-captions"></a>

### Mengapa yt-dlp melaporkan HTTP 429 untuk kapsyen YouTube yang diterjemahkan secara automatik?


Video boleh menyenaraikan terjemahan walaupun YouTube menolak permintaan teksnya dengan **HTTP 429 (Too Many Requests)**. Dalam isu yt-dlp #13831, penjelasan yang disematkan oleh penyelenggara mengenal pasti **kapsyen YouTube yang diterjemahkan secara automatik** sebagai kes yang terjejas. Trek yang disediakan oleh pemuat naik dan ASR bahasa asal tidak terjejas oleh **isu khusus itu**. Ini tidak bermaksud semua terjemahan gagal atau permintaan kapsyen lain mustahil dikenakan had kadar.

- [Isu yt-dlp #13831: penjelasan penyelenggara yang disematkan](https://github.com/yt-dlp/yt-dlp/issues/13831#issuecomment-3712613129)

Jika anda hanya memerlukan teks yang boleh dibaca, cari trek sedia ada **dalam bahasa sasaran anda**, sama ada daripada pemuat naik atau hasil ASR pertuturan dalam bahasa tersebut. Jika anda memerlukan terjemahan YouTube secara khusus, simpan trek yang berjaya dan tangguhkan terjemahan yang gagal sahaja. Patuhi `Retry-After` jika disertakan dalam respons; jika tiada, panjangkan sela antara cubaan, hadkan cubaan semula dan elakkan mencuba semula seluruh koleksi serentak. Catat hasilnya sebagai **pengambilan gagal**, bukan **tiada kapsyen**. Trek bahasa Jepun yang berjaya diambil tidak memenuhi permintaan bahasa Inggeris.

- [HTTP 429 dan Retry-After](https://datatracker.ietf.org/doc/html/rfc6585#section-4)

<a id="how-do-i-get-just-the-text-without-timestamps"></a>

### Bagaimanakah saya mendapatkan teks sahaja tanpa cap masa?


Eksport versi teks biasa daripada fail kapsyen, atau gabungkan teks segmennya mengikut urutan. Simpan fail asal bermasa jika anda mungkin mahu memetik satu baris, membuat klip atau membetulkan ralat kemudian. Membuang cap masa adalah mudah; mendapatkan semula masa yang tepat daripada satu perenggan ialah tugas penjajaran yang berasingan.

<a id="are-transcripts-available-for-youtube-shorts-and-livestreams"></a>

### Adakah transkrip tersedia untuk YouTube Shorts dan strim langsung?


YouTube menyokong kapsyen automatik untuk Shorts yang layak serta video panjang, tetapi ketersediaannya tidak dijamin. Kapsyen langsung dan kapsyen video yang diarkibkan tidak semestinya sama: YouTube menyatakan bahawa ia menjana kapsyen automatik baharu untuk versi atas permintaan. Untuk set data yang boleh dihasilkan semula, catat versi yang digunakan dan bila anda menggunakannya.

- [Kapsyen automatik YouTube](https://support.google.com/youtube/answer/6373554?hl=en)

<a id="does-the-official-youtube-data-api-return-transcripts-for-any-public-video"></a>

### Adakah YouTube Data API rasmi mengembalikan transkrip untuk mana-mana video awam?


Tidak. `captions.list` Google yang diberi kebenaran melalui OAuth mengembalikan metadata trek, bukan perkataan sebenar. `captions.download` mengambil trek itu dan memerlukan kebenaran untuk mengedit video. Boleh membaca transkrip sebagai penonton tidak sama dengan mempunyai kebenaran API tersebut.

- [captions.list](https://developers.google.com/youtube/data/reference/rest/v3/captions/list)
- [captions.download](https://developers.google.com/youtube/data/reference/rest/v3/captions/download)

<a id="are-speaker-names-and-word-by-word-timestamps-included"></a>

### Adakah nama penutur dan cap masa bagi setiap perkataan disertakan?


Tidak secara konsisten. Satu segmen boleh meliputi keseluruhan frasa, dan trek boleh melabelkan penutur, menandakan bunyi atau tidak melakukan kedua-duanya. Jika anda perlu mengetahui siapa yang bercakap dan bila, buat anotasi atau jalankan diarisasi penutur dan sahkan hasilnya. Jika anda memerlukan masa setiap perkataan dituturkan, gunakan penjajaran perkataan dengan rakaman sebenar; jangan bahagikan tempoh segmen secara sama rata antara perkataannya.

<a id="are-youtube-transcripts-accurate-enough-to-quote"></a>

### Adakah transkrip YouTube cukup tepat untuk dipetik?


Gunakan transkrip untuk mencari saatnya; gunakan rakaman untuk menyemak petikan. Jika penutur bahasa Jepun dipetik dalam bahasa Inggeris, nyatakan sama ada perkataan itu terjemahan anda, sari kata pemuat naik atau alih suara. Ayat yang lancar bukan bukti bahawa penutur tertentu menggunakan perkataan yang tepat itu.

<a id="can-public-youtube-transcripts-be-used-to-train-a-model-or-shared-as-a-dataset"></a>

### Bolehkah transkrip YouTube awam digunakan untuk melatih model atau dikongsi sebagai set data?


Akses awam sahaja tidak memberikan kebenaran untuk kedua-dua kegunaan itu. Tentukan asas kebenaran untuk pengumpulan, latihan dan sebarang pengedaran semula teks atau media; semuanya keputusan yang berasingan. Kemudian tentukan sama ada label sesuai dengan tugas: terjemahan bahasa Inggeris yang dibenarkan sekalipun boleh menjadi rujukan yang salah untuk pengecaman pertuturan bahasa Inggeris. Panduan lesen YouTube menerangkan perbezaan antara lesen standardnya dengan Creative Commons Attribution.

- [Panduan lesen YouTube](https://support.google.com/youtube/answer/2797468?hl=en)

<a id="why-is-a-transcript-different-when-i-fetch-it-again"></a>

### Mengapa transkrip berbeza apabila saya mengambilnya semula?


Semak video, bahasa audio, bahasa kapsyen dan sumber trek. Anda mungkin sedang membandingkan dua trek. Video yang sama juga boleh berubah: pencipta boleh mengedit teks atau masa dan menerbitkan trek kapsyen yang disemak semula. Simpan tarikh pengambilan dan versi atau hash kandungan apabila dibenarkan supaya anda dapat membezakan suntingan daripada perubahan dalam dasar pemilihan anda.

- [YouTube: Edit atau alih keluar kapsyen](https://support.google.com/youtube/answer/2734705?hl=en)
